[發明專利]一種乳腺腫瘤圖像的分類方法及系統

在審

• 申請號: 201810636416.0
• 申請日: 2018-06-20
• 公開（公告）號: CN108875829A
• 公開（公告）日: 2018-11-23
• 發明（設計）人: 曲海平;李珊珊;寇光杰;張志旺;周春姐;賈世祥
• 申請（專利權）人: 魯東大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08;G06T7/11
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;吳歡燕

本發明提供一種乳腺腫瘤圖像的分類方法及系統，所述方法包括：基于FCM算法獲取待分類乳腺腫瘤圖像中的腫塊區域；基于Weka系統獲取所述腫塊區域的混合特征；根據所述腫塊區域的混合特征，基于SVM算法對所述待分類乳腺腫瘤圖像進行分類；其中，SVM算法的參數預先使用改進的FOA算法進行優化。本發明使用Weka系統獲取乳腺腫瘤病灶區形態形狀紋理混合特征用于分類，以提高分類效率和準確率；考慮到支持向量機中核函數參數和懲罰系數對分類性能的影響，利用改進的FOA算法對SVM分類器的參數進行優化，提高算法分類的性能。

技術領域

本發明屬于圖像分類技術領域，更具體地，涉及一種乳腺腫瘤圖像的分類方法及系統。

背景技術

乳腺癌已成為世界上婦女發病率最高的癌癥之一，但是研究表明，乳腺腫瘤若能早發現、早診斷、早治療，就可取得良好的治療效果。醫學研究發現，乳腺腫瘤病灶組織的細胞核顯微圖像與正常組織的細胞核顯微圖像不同，但用一般的圖像處理方法很難對其進行有效區分。并且醫療機構的醫學圖像產出量巨大，圖像數據往往包含大量潛在信息。

目前主要對拍攝的圖像依靠人工判讀分析，效率較低且能挖掘到的信息有限，無法充分利用數據資源。而深度學習在圖像處理領域的優異表現為醫學圖像的自動化處理提供了新方法。目前深度學習在醫學圖像中主要應用于臨床圖像分類，關鍵目標發現和圖片自動分割等方面。因此，利用深度學習和智能計算方法來檢測乳腺腫瘤是否為惡性就顯得尤為重要，且已成為非常熱門的研究領域。

由于一些良性和惡性腫瘤的聲像圖本身有很大的重疊。比如一些惡性腫瘤表現為邊界光滑，一些良性腫瘤表現為形態不規則，邊界粗糙。對于這些情況，現有的乳腺腫瘤圖像的分類方法不能進行區分。此外，現有的乳腺腫瘤圖像的分類方法正確率低，運算速度慢。

發明內容

為克服上述現有的乳腺腫瘤圖像的分類方法正確率低且運算速度慢的問題或者至少部分地解決上述問題，本發明提供一種乳腺腫瘤圖像的分類方法及系統。

根據本發明的第一方面，提供一種乳腺腫瘤圖像的分類方法，包括：

基于FCM算法獲取待分類乳腺腫瘤圖像中的腫塊區域；

基于Weka系統獲取所述腫塊區域的混合特征；

根據所述腫塊區域的混合特征，基于SVM算法對所述待分類乳腺腫瘤圖像進行分類；其中，SVM算法的參數預先使用改進的FOA算法進行優化。

根據本發明第二方面提供一種乳腺腫瘤圖像的分類系統，包括：

第一獲取模塊，用于基于FCM算法獲取待分類乳腺腫瘤圖像中的腫塊區域；

第二獲取模塊，用于基于Weka系統獲取所述腫塊區域的混合特征；

分類模塊，用于根據腫塊區域的混合特征，基于SVM算法對乳腺腫瘤圖像進行分類，其中，SVM算法的參數預先使用改進的FOA算法進行優化。

根據本發明第三方面提供一種乳腺腫瘤圖像的分類設備，其特征在于，包括：

至少一個處理器、至少一個存儲器和總線；其中，

所述處理器和存儲器通過所述總線完成相互間的通信；

所述存儲器存儲有可被所述處理器執行的程序指令，所述處理器調用所述程序指令能夠執行上述方法。

本發明提供一種乳腺腫瘤圖像的分類方法及系統，該方法通過基于FCM算法獲取待分類乳腺腫瘤圖像中的腫塊區域，利用數據挖掘軟件Weka系統對腫塊區域的特征進行屬性篩選和降維提取，選出與乳腺腫瘤良惡性分類目標相關度高，相互之間盡可能獨立的屬性，構成乳腺腫瘤病灶區形態形狀紋理混合特征用于分類，以提高分類效率和準確率；考慮到支持向量機中核函數參數和懲罰系數對分類性能的影響，利用改進的FOA算法對SVM分類器的參數進行優化，提高算法分類的性能。